Self-management interventions for adults living with obesity to improve patient-relevant outcomes: An evidence map
Notice bibliographique
Résumé
OBJECTIVES: To conduct an evidence map on self-management interventions and patient-relevant outcomes for adults living with overweight/obesity. METHODS: Following Arksey and O'Malley methodology, we searched in five electronical databases including randomized controlled trials (RCTs) on SMIs for overweight/obesity. We used the terms "self-management", "adult" and "obesity" for content. Two independent reviewers assessed eligible references; one reviewer extracted data, a second checked accuracy. RESULTS: We identified 497 RCTs (58% US, 20% Europe) including 99,741 (median 112, range 11-5145) adults living with overweight/obesity. Most research evaluated clinical outcomes (617, 55%) and behaviors adherence (255, 23%). Empowerment skills, quality of life and satisfaction were less targeted (8%, 7%, 0.2%, respectively). The most frequent techniques included sharing information (858, 99%), goal setting (619, 72%) and self-monitoring training (614, 71%), provided face-to-face (386, 45%) or in combination with remote techniques (256, 30%). Emotional management, social support and shared-decision were less frequent (18%, 26%, 4%). Socio-economic status, minorities or health literacy were seldom reported. CONCLUSION: There is a need of widening the scope of research by focusing on outcomes important to patients, assessing emotional/social/share-decision support, exploring remote techniques and including vulnerable populations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,045 | 0,125 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,015 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».